JP2023508794A - 軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品 - Google Patents
軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品 Download PDFInfo
- Publication number
- JP2023508794A JP2023508794A JP2021562392A JP2021562392A JP2023508794A JP 2023508794 A JP2023508794 A JP 2023508794A JP 2021562392 A JP2021562392 A JP 2021562392A JP 2021562392 A JP2021562392 A JP 2021562392A JP 2023508794 A JP2023508794 A JP 2023508794A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- robot
- trajectory
- communication
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 89
- 230000001133 acceleration Effects 0.000 claims description 65
- 239000013598 vector Substances 0.000 claims description 60
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 239000004576 sand Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 244000035744 Hura crepitans Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1684—Tracking a line or surface by means of sensors
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本願は軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品を提供する。該軌跡ナビゲート方法は、模型から軌跡情報及び交通情報を取得するステップであって、軌跡情報はロボットの現在位置及び目的位置を含むステップと、交通情報に基づいて模型に複数のキーポイントを設定するステップと、交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するステップと、プリセットアルゴリズムを用いて現在位置と目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて連通セグメントをロボットの目標軌跡経路として接続するステップと、を含む。上記態様によって、本願の軌跡計画方法はロボットの模型におけるポイントツーポイントの経路計画を実現することができる。
Description
(関連出願の相互参照)
本開示は、出願番号が202011455167.9であり、出願日が2020年12月10日であり、出願名称が「軌跡計画方法、装置及びコンピュータ記憶媒体」である中国特許出願に基づいて提出され、該中国特許出願の優先権を主張し、該中国特許出願の全てが参照によって本開示に組み込まれる。
本開示は、出願番号が202011455167.9であり、出願日が2020年12月10日であり、出願名称が「軌跡計画方法、装置及びコンピュータ記憶媒体」である中国特許出願に基づいて提出され、該中国特許出願の優先権を主張し、該中国特許出願の全てが参照によって本開示に組み込まれる。
本願はロボット軌跡計画の技術分野に関し、特に軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品に関する。
近年、人工知能(Artificial Intelligence:AIと略称)教育や自動運転は盛んになり、両者を組み合わせた知能ロボットは多くの企業において製品開発の重点としている。このような知能ロボットは閉じている模型で走行することが多く、ロボット制御戦略や経路計画等の知識を学生の勉強に利用できる。また、このような自動運転機能を備えたロボットは展示品としても非常に良好な展示効果が得られる。
本願の実施例は軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品を提供する。
第1態様では、本願の実施例は軌跡計画方法を提供し、前記軌跡計画方法は、模型から軌跡情報及び交通情報を取得するステップであって、前記軌跡情報はロボットの現在位置及び目的位置を含むステップと、前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップと、前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するステップと、プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するステップと、を含む。
いくつかの実施例では、前記交通情報は交通道路分布状況を含み、前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップは、前記交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の前記模型におけるキー座標を取得するステップと、前記模型における前記キー座標の対応する位置を前記キーポイントとして設定するステップと、を含む。
上記態様によって、道路の分布状況に基づいてキーポイントを設定する方法を提供する。
いくつかの実施例では、前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップは、前記交通情報に基づいて前記模型における停留許容の位置座標を取得するステップと、前記停留許容の位置座標のうち、前記模型における前記ロボットの停留する必要がある位置座標を取得するステップと、前記模型における前記位置座標の対応する位置を前記キーポイントとして設定するステップと、をさらに含む。
上記態様によって、ロボットの状況に基づいてキーポイントを設定する方法を提供する。
いくつかの実施例では、前記交通情報は交通ルールを含み、前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するステップは、前記ロボットの現在位置と目的位置との間の2つずつのキーポイントで軌跡セグメントを構成するステップと、前記交通ルールに合致する軌跡セグメントを前記連通セグメントとして設定するステップと、を含む。
上記態様によって、交通ルールを導入し、2つずつのキーポイントで繋げた軌跡セグメントが合理的であるか否かを判断する。
いくつかの実施例では、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続した後に、前記軌跡計画方法は、前記ロボットの動力学モデルを取得するステップであって、前記動力学モデルは各前記連通セグメントにおける前記ロボットの加速度及び最大速度を含むステップと、前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得するステップと、前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップと、をさらに含む。
上記態様によって、ロボットの動力学モデルを導入し、目標軌跡経路を最適化する。
いくつかの実施例では、前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得した後に、前記軌跡計画方法は、前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するステップと、前記連通セグメントにおける開始時間及び終了時間を取得するステップと、前記連通セグメントにおける開始時間及び速度係数に基づき、第1標準時間を特定するステップと、前記連通セグメントにおける第1標準時間、移動ベクトル、速度係数、及び加速度セグメントの前記連通セグメントに占める割合に基づき、第2標準時間を特定するステップと、をさらに含み、前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップは、前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップを含む。
上記態様によって、目標軌跡経路を最適化するための判断条件を計算する。
いくつかの実施例では、前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップは、前記移動時間が前記開始時間と前記第1標準時間との間にある場合、前記開始時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、前記移動時間が前記第1標準時間と前記第2標準時間との間にある場合、前記第1標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、前記移動時間が前記第2標準時間と前記終了時間との間にある場合、前記第2標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、を含む。
上記態様によって、目標軌跡経路におけるロボットの移動時間と判断条件との比較結果に基づいて目標軌跡経路を異なる方式で最適化する。
いくつかの実施例では、前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するステップは、前記連通セグメントにおける移動ベクトル、前記ロボットの加速度及び最大速度に基づき、前記加速度セグメントの前記連通セグメントに占める割合を特定するステップと、前記ロボットの最大速度、前記連通セグメントにおける移動ベクトル、及び前記加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を特定するステップと、を含む。
上記態様によって、各軌跡セグメントにおける加速度セグメントの長さの割合を計算する方法を提供する。
第2態様では、本願の実施例は軌跡計画装置をさらに提供し、前記装置は、模型から軌跡情報及び交通情報を取得するように構成される第1取得モジュールであって、前記軌跡情報はロボットの現在位置及び目的位置を含む第1取得モジュールと、前記交通情報に基づいて前記模型に複数のキーポイントを設定するように構成される設定モジュールと、前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するように構成される形成モジュールと、プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するように構成される接続モジュールと、を含む。
第3態様では、本願の実施例は軌跡計画機器をさらに提供し、前記軌跡計画機器は、互いに接続されたメモリとプロセッサとを含み、
前記メモリはプログラムを記憶するために用いられ、前記プロセッサは上述した軌跡計画方法を実現するように前記プログラムを実行するために用いられる。
前記メモリはプログラムを記憶するために用いられ、前記プロセッサは上述した軌跡計画方法を実現するように前記プログラムを実行するために用いられる。
第4態様では、本願の実施例はコンピュータ記憶媒体をさらに提供し、前記コンピュータ記憶媒体はプログラムを記憶するために用いられ、前記プログラムがプロセッサにより実行されると、上記軌跡計画方法は実現される。
第5態様では、本願の実施例はコンピュータプログラムをさらに提供し、前記コンピュータプログラムは1つ又は複数の命令を含み、前記1つ又は複数の命令は、プロセッサによりロードされて上記軌跡計画方法を実行するのに適する。
従来技術に比べて、本願の実施例の有益な効果は以下のとおりである。軌跡計画機器は、模型から軌跡情報及び交通情報を取得し、軌跡情報はロボットの現在位置及び目的位置を含み、交通情報に基づいて模型に複数のキーポイントを設定し、交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成し、プリセットアルゴリズムを用いて現在位置と目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて連通セグメントをロボットの目標軌跡経路として接続する。上記態様によって、本願の実施例の軌跡計画方法は、現在位置と目的位置との間に複数のキーポイントを設定し、複数のキーポイントを組み合せることで、ロボットの目標軌跡経路を形成するものであり、軌跡計画機器は交通情報に基づいてキーポイントを設定し、つまり、キーポイントの位置は模型の合理的な位置に設定されており、これにより、目標軌跡経路の柔軟性及び実用性が向上し、ロボットの模型におけるポイントツーポイントの経路計画を実現する。
本発明の実施例における技術的解決手段をより明瞭に説明するために、以下において、実施例の記述に用いられる図面について簡単に説明するが、当然ながら、以下に記載する図面は単に本発明のいくつかの実施例であり、当業者であれば、創造的な労力を要することなく、これらの図面に基づいて他の図面に想到し得る。
以下において、本願の実施例における図面を参照し、本願の実施例における技術的解決手段を明確に、完全に説明し、当然ながら、説明される実施例は本願の実施例の一部に過ぎず、全ての実施例ではない。本願における実施例に基づき、当業者が創造的な労力を要することなく、得られた他の全ての実施例は、いずれも本願の保護範囲に属する。
本願の実施例は、ロボットの模型におけるポイントツーポイントの経路計画を目的として、軌跡計画方法を提供し、図1は、本願の実施例により提供される軌跡計画方法のフローチャートである。
本願の実施例の軌跡計画方法は軌跡計画機器に適用され、本願の実施例の軌跡計画機器はサーバであってもよく、端末機器であってもよく、サーバと端末機器とが互いに協働するシステムであってもよい。それに応じて、電気機器に含まれる各部分、例えば、各ユニット、サブユニット、モジュール、サブモジュールは、サーバ内に全て設置されてもよく、端末機器内に全て設置されてもよく、サーバと端末機器内にそれぞれ設置されてもよい。また、該方法のステップは、コンピュータ実行可能コードをプロセッサにより実行することで実施されてもよい。
いくつかの実施例では、上記サーバはハードウェアであってもよく、ソフトウェアであってもよい。サーバがハードウェアである場合、複数のサーバで構成される分散型サーバクラスタとして実現されてもよく、単一のサーバとして実現されてもよい。サーバがソフトウェアである場合、例えば、分散型サーバを提供するためのソフトウェア又はソフトウェアモジュールのような複数のソフトウェア又はソフトウェアモジュールとして実現されてもよく、単一のソフトウェア又はソフトウェアモジュールとして実現されてもよく、ここでは具体的に限定しない。
図1に示すように、本実施例の軌跡計画方法は、具体的に以下のステップを含む。
S101で、模型から軌跡情報及び交通情報を取得し、軌跡情報はロボットの現在位置及び目的位置を含む。
本願の実施例の模型は、先進的な都市道路交通を模擬するための砂盤模型であってもよく、例えば、212種の中国都市道路交通場合に基づいて設計された模型である。図2に示すように、模型に、例えば、車線、交通標識、信号機及び道路ゲート等の要素を含んでもよく、車線、交通標識、信号機及び道路ゲートは、1対10の比率で小型化されている。模型で、その中の要素の状態を制御することで道路交通事情を視覚化し、模型の展示効果を向上させる。
軌跡計画機器を砂盤模型に接続し、接続方式として、ユニバーサルシリアルバス(Universal Serial Bus:USBと略称)インタフェースを介して接続してもよく、無線通信接続としてもよい。軌跡計画機器は砂盤模型の測位システムの測位によって軌跡情報及び交通情報を取得する。例えば、砂盤模型の測位システムは、模型上方の複数の撮像機器を含み、撮像機器は、前記模型のリアルタイムの交通画像を撮影するように構成され、砂盤模型の測位システムは、撮像機器により収集されたリアルタイムの交通画像に基づいて軌跡情報及び交通情報を取得する。軌跡情報は、ロボットの砂盤模型での現在位置及び目的位置を含み、交通情報は、交通ルール及び交通道路分布状況を含む。軌跡計画機器は砂盤模型に接続された後、砂盤模型の三次元モデル、及びロボットが砂盤模型において走行可能な領域と走行ルールを把握することができる。ロボットの走行ルールは、砂盤模型の交通ルールによって決定され、交通ルールは、実際の交通ルールと一致する。
S102で、交通情報に基づいて模型に複数のキーポイントを設定する。
軌跡計画機器は、交通道路分布状況に基づいて砂盤模型に複数のキーポイントを設定し、これらのキーポイントは、交通道路の方向に沿って道路に分布しており、キーポイントの位置は、いずれもロボットが正常な走行プロセスで到着できる位置、例えば、道路エッジ、カーブ路、及び交差点等である。
軌跡計画機器でキーポイントを予め設定する目的は、軌跡計画のために合理的なサーチ空間を提供することであり、生成される軌跡経路は必ず、複数のキーポイントを通過して目的位置に到着するものである。
S103で、交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成する。
軌跡計画機器は、軌跡情報に基づいて今回の軌跡計画の目標とする目的位置を特定し、砂盤模型の測位システムによってロボットの現在位置を取得する。
最終的な目標軌跡経路が方向性を有するため、軌跡計画機器はいくつかの実施例において、交通ルールを設計するために、現在位置と目的位置との間の2つずつのキーポイントの間の方向性を有する隣接行列を設計する必要がある。2つのキーポイントが交通ルールに従って接続できるとした場合、隣接行列において該線路を1と設定し、つまり2つのキーポイント間の線路を連通セグメントとして設定する。
これにより、軌跡計画機器は、複数のキーポイントによって、ロボットの現在位置と目的位置との間で複数の連通セグメントを繋げ、各連通セグメントの隣接行列はいずれも1であり、つまり、繋げた連通セグメントは、トレースできる走行可能な連通セグメントである。
図3に示すように、一般的にキーポイントの数が多いため、繋げた連通セグメントの数も多い。従って、軌跡計画機器はさらに、複数の走行可能な連通セグメントから、最も近くて合理的な連通セグメントを選択して最終的な目標軌跡経路として接続する必要がある。
S104で、プリセットアルゴリズムを用いて現在位置と目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて連通セグメントをロボットの目標軌跡経路として接続する。
軌跡計画機器は、プリセットアルゴリズムを用いて、複数の軌跡経路から最適な軌跡経路を目標軌跡経路としてサーチすることができる。プリセットアルゴリズムは、Dijkstraアルゴリズム、A*(A-Star)アルゴリズム、RRTアルゴリズム、人工ポテンシャル法等を含むが、これらに限定されない。
A-Starアルゴリズムを例にし、A-Starアルゴリズムは、静的道路網において最短経路を求める最も効果的な方法である。その式は、f(n)=g(n)+h(n)のように表され、式中、f(n)は、現在位置から目的位置までのノードnの評価関数であり、g(n)は、状態空間で現在位置からノードnまでの実コストであり、h(n)は、ノードnから目的位置までの最適経路の推定コストである。例えば、軌跡計画経路は、A-Starアルゴリズムを用いて、現在位置と目的位置との間の全ての連通セグメントの評価関数を計算し、評価関数値が最小である複数の連通セグメントを組み合わせてロボットの目標軌跡経路として接続する。
本実施例では、軌跡計画機器は、模型に接続されており、模型から軌跡情報及び交通情報を取得し、軌跡情報はロボットの現在位置及び目的位置を含み、交通情報に基づいて模型に複数のキーポイントを設定し、交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成し、プリセットアルゴリズムを用いて現在位置と目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて連通セグメントをロボットの目標軌跡経路として接続する。上記態様によって、本願の実施例の軌跡計画方法は、現在位置と目的位置との間に複数のキーポイントを設定し、複数のキーポイントを組み合せることで、ロボットの目標軌跡経路を形成するものであり、軌跡計画機器は交通情報に基づいてキーポイントを設定し、つまり、キーポイントの位置は模型の合理的な位置に設定されており、これにより、目標軌跡経路の柔軟性及び実用性が向上し、ロボットの模型におけるポイントツーポイントの経路計画を実現する。
本願は、模型におけるロボットのポイントツーポイントの経路計画を目的として、別の軌跡計画方法を提供し、図5は、本願の実施例により提供される軌跡計画方法のフローチャートである。
図5に示すように、本実施例の軌跡計画方法は、具体的に以下のステップを含む。
S201で、模型から軌跡情報及び交通情報を取得し、軌跡情報はロボットの現在位置及び目的位置を含む。
S202で、交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の模型におけるキー座標を取得する。
一般的な交通道路の場合、道路で正常に走行する車両は、交差点、カーブ路、交差点でしか移動方向を変更することができないため、軌跡計画機器は、交差点、カーブ路、交差点にキーポイントを設定する必要がある。また、長い道路の場合、道路の中央にキーポイントを設定することは、車両の加速、減速に寄与する。
例えば、軌跡計画機器は、砂盤模型の交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の砂盤模型におけるキー座標を取得する。
S203で、模型におけるキー座標の対応する位置をキーポイントとして設定する。
軌跡計画機器は、キー座標に基づいて砂盤模型に複数のキーポイントを設定し、図2に示すような砂盤模型を生成する。
いくつかの実施例では、軌跡計画機器は、交通ルールに基づき、生成されたキーポイントを順序付けるようにしてもよい。例えば、軌跡計画機器はある道路に対して、該道路の走行可能方向に応じて道路におけるキーポイントを順序付ける。従って、キーポイントの並び順序は、砂盤模型の交通ルールもある程度直接表している。
S204で、ロボットの現在位置と目的位置との間の2つずつのキーポイントで軌跡セグメントを構成する。
S205で、交通ルールに合致する軌跡セグメントを連通セグメントとして設定する。
軌跡計画機器は、2つずつのキーポイントで構成される、隣接行列の値が1である線路を軌跡セグメントとして設定し、軌跡セグメントは方向性を有する軌跡セグメントである。複数の軌跡セグメントを接続する前に、軌跡計画機器はさらに、走行時間、交通道路分布状況により、いくつかの実施例において軌跡セグメントが交通ルールに合致するか否かを判断する必要があり、交通ルールは、ナンバープレート末尾の偶数・奇数による走行制限、時間による走行制限等のルールを含む。軌跡点が交通ルールに合致する場合、軌跡計画機器は、交通ルールに合致する軌跡セグメントを連通セグメントとして設定する。
本願の実施例は、模型におけるロボットのポイントツーポイントの経路計画を目的として、さらに別の軌跡計画方法を提供し、図6Aは本願の実施例により提供される軌跡計画方法のフローチャートである。
図6Aに示すように、本実施例の軌跡計画方法は、具体的に以下のステップを含む。
S301で、模型から軌跡情報及び交通情報を取得し、軌跡情報はロボットの現在位置及び目的位置を含む。
S302で、交通情報に基づいて模型に複数のキーポイントを設定する。
いくつかの実施例では、交通情報に基づいて模型に複数のキーポイントを設定するステップは、図6Bに示すように、さらに以下を含む。
S3021で、交通情報に基づいて模型における停留許容の位置座標を取得する。
実施時に、交通情報は交通ルール及び交通道路分布状況を含み、交通ルールは、ナンバープレート末尾の偶数・奇数による走行制限、時間による走行制限等のルールを含み、ここでの交通ルールは実際の交通ルールと一致してもよい。交通道路分布状況は通行可能道路の分布を含む。
軌跡計画機器は、交通ルール及び模型における交通道路分布状況に基づき、ロボットの停留が許容される位置座標を特定するようにしてもよい。例えば、模型における他のロボットの通行に影響しない位置を停留許容位置として特定してもよいし、又は赤信号の場合に、横断歩道の前をロボットの停留が許容される位置としてもよい。
S3022で、停留許容の位置座標のうち、ロボットの模型における停留する必要がある位置座標を取得する。
いくつかの実施例では、軌跡計画機器は、ロボットの実際の走行上の要件に応じて、停留許容の位置座標のうち、ロボットの模型における停留する必要がある位置座標を特定するようにしてもよい。例えば、赤信号の場合に、ロボットの停留が許容される横断歩道の前の位置座標を特定する。
S3023で、前記模型における位置座標の対応する位置を前記キーポイントとして設定する。
いくつかの実施例では、軌跡計画機器は、模型における停留する必要がある位置座標の対応する位置をキーポイントとして設定するようにしてもよい。
S303で、交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成する。
S304で、プリセットアルゴリズムを用いて現在位置と目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて連通セグメントをロボットの目標軌跡経路として接続する。
上記ステップで得られた目標軌跡経路は論理上、合理的で実行可能であるが、実際の走行では、いくつかの実施例において、さらにロボットの動力学モデルを考慮する必要がある。例えば、図4に生成された目標軌跡経路では、軌跡セグメント間には一定の角度があり、角度が小さい場合、ロボットの動力学モデルの制限により、実際の走行中、ロボットは目標軌跡経路に沿って走行することが困難であり、目標軌跡経路から外れ、後続の走行に影響することがある。従って、軌跡計画機器は、ロボットの動力学モデルに合わせて目標軌跡経路を最適化する必要がある。ロボットの動力学モデルの制限は、主に縦軸の加速度及び回転半径によるものであり、回転半径を横軸の加速度と等価としてもよく、軌跡計画機器は、目標計画経路のいずれのセグメントの加速度も最大加速度の制限を満たすことを保証する必要がある。それについては、以下のステップに示される。
S305で、ロボットの動力学モデルを取得し、動力学モデルは各連通セグメントにおけるロボットの加速度及び最大速度を含む。
S306で、目標軌跡経路の各連通セグメントにおけるロボットの移動時間及び移動ベクトルを取得する。
軌跡計画機器は、連通セグメントにおける移動ベクトル、ロボットの加速度及び最大速度に基づき、加速度セグメントの該連通セグメントに占める割合を取得し、例えば、下記の計算式(1)下記の通りである。
式中、連通セグメントにおける移動ベクトルは、連通セグメントの方向及び連通セグメントの長さを含み、連通セグメントの方向は、該連通セグメントでロボットが移動可能な方向を表す。
軌跡計画機器はいくつかの実施例において、連通セグメントにおける移動ベクトル、及び加速度セグメントの連通セグメントに占める割合に基づき、連通セグメントにおける速度係数を取得し、例えば、下記の計算式(2)が下記の通りである。
いくつかの実施例では、軌跡計画機器は、各連通セグメントにおける想定開始時間及び想定終了時間を取得し、連通セグメントにおける想定開始時間及び速度係数に基づいて連通セグメントにおける第1標準時間を取得し、例えば、下記の計算式(3)が下記の通りである。
軌跡計画機器は、連通セグメントにおける第1標準時間、移動ベクトル、速度係数、及び加速度セグメントの連通セグメントに占める割合に基づき、第2標準時間を特定し、例えば、下記の計算式(4)が下記の通りである。
軌跡計画機器は、前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するようにしてもよい。
いくつかの実施例では、軌跡計画機器は、以下のステップを実行して連通セグメントにおける移動ベクトルを更新することができる。
S307で、移動時間、第1標準時間及び第2標準時間の大きさに基づき、各連通セグメントにおけるロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新する。
軌跡計画機器は、ロボットの移動時間、第1標準時間及び第2標準時間の大きさに基づき、各連通セグメントにおける移動ベクトルを最適化し、例えば、下記の最適化式(5)が下記の通りである。
移動時間が開始時間と第1標準時間との間にある場合、ロボットが加速状態にあり、軌跡計画機器は開始時間に基づいて移動ベクトルを更新する。
移動時間が第1標準時間と第2標準時間との間にある場合、ロボットが等速状態にあり、軌跡計画機器は第1標準時間に基づいて移動ベクトルを更新する。
移動時間が第2標準時間と終了時間との間にある場合、ロボットが減速状態にあり、軌跡計画機器は終了時間に基づいて移動ベクトルを更新する。
最後に、軌跡計画機器は、更新された軌跡セグメントを組み合わせ、図7に示すような完全な軌跡経路を得る。以上で、軌跡計画機器は、始点から終点までの軌跡計画を完了し、生成された軌跡は、ロボットの現在の位置、速度、姿勢を考慮に入れて、曲率の連続性を満たす滑らかな経路が生成されており、この経路によって、ロボットの任意の時刻での速度及び制御構成を直接計算することができ、ロボットを指定された制御戦略に従って移動させるようにすれば、完全に所定の軌跡に沿って走行することができる。
前記実施例によれば、本願の実施例は軌跡計画装置を提供し、該装置は、含まれる各モジュール、及び各モジュールに含まれる各サブモジュールを含めて、コンピュータ機器におけるプロセッサによって実現されてもよく、当然ながら、具体的な論理回路によって実現されてもよく、実施には、プロセッサは中央プロセッサ(CPU)、マイクロプロセッサ(MPU)、デジタルシグナルプロセッサ(DSP)又はフィールドプログラマブルゲートアレイ(FPGA)等であってもよい。
本願の実施例は軌跡計画装置を提供し、図8は、本願の実施例により提供される軌跡計画装置の構成図であり、図8に示すように、前記装置800は、
模型から軌跡情報及び交通情報を取得するように構成される第1取得モジュール810であって、前記軌跡情報はロボットの現在位置及び目的位置を含む第1取得モジュール810と、
前記交通情報に基づいて前記模型に複数のキーポイントを設定するように構成される設定モジュール820と、
前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するように構成される形成モジュール830と、
プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するように構成される接続モジュール840と、を含む。
模型から軌跡情報及び交通情報を取得するように構成される第1取得モジュール810であって、前記軌跡情報はロボットの現在位置及び目的位置を含む第1取得モジュール810と、
前記交通情報に基づいて前記模型に複数のキーポイントを設定するように構成される設定モジュール820と、
前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するように構成される形成モジュール830と、
プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するように構成される接続モジュール840と、を含む。
いくつかの実施例では、前記交通情報は交通道路分布状況を含み、前記設定モジュールは、前記交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の前記模型におけるキー座標を取得するように構成される第1取得サブモジュールと、前記模型における前記キー座標の対応する位置を前記キーポイントとして設定するように構成される第1設定サブモジュールと、を含む。
いくつかの実施例では、前記設定モジュールは、前記交通情報に基づいて前記模型における停留許容の位置座標を取得するように構成される第2取得サブモジュールと、前記停留許容の位置座標のうち、前記模型における前記ロボットの停留する必要がある位置座標を取得するように構成される第3取得サブモジュールと、前記模型における前記位置座標の対応する位置を前記キーポイントとして設定するように構成される第2設定サブモジュールと、をさらに含む。
いくつかの実施例では、前記交通情報は交通ルールを含み、前記形成モジュールは、前記ロボットの現在位置と目的位置との間の2つずつのキーポイントで軌跡セグメントを構成するように構成される構成サブモジュールと、前記交通ルールに合致する軌跡セグメントを前記連通セグメントとして設定するように構成される第3設定サブモジュールと、を含む。
いくつかの実施例では、前記装置は、前記ロボットの動力学モデルを取得するように構成される第2取得モジュールであって、前記動力学モデルは各前記連通セグメントにおける前記ロボットの加速度及び最大速度を含む第2取得モジュールと、前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得するように構成される第3取得モジュールと、前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するように構成される更新モジュールと、をさらに含む。
いくつかの実施例では、前記装置は、前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するように構成される第4取得モジュールと、前記連通セグメントにおける開始時間及び終了時間を取得するように構成される第5取得モジュールと、前記連通セグメントにおける開始時間及び速度係数に基づき、第1標準時間を特定するように構成される第1特定モジュールと、前記連通セグメントにおける第1標準時間、移動ベクトル、速度係数、及び加速度セグメントの前記連通セグメントに占める割合に基づき、第2標準時間を特定するように構成される第2特定モジュールと、をさらに含み、前記更新モジュールは、前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するようにさらに構成される。
いくつかの実施例では、前記更新モジュールは、前記移動時間が前記開始時間と前記第1標準時間との間にある場合、前記開始時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第1更新サブモジュールと、前記移動時間が前記第1標準時間と前記第2標準時間との間にある場合、前記第1標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第2更新サブモジュールと、前記移動時間が前記第2標準時間と前記終了時間との間にある場合、前記第2標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第3更新サブモジュールと、を含む。
いくつかの実施例では、第4取得モジュールは、前記連通セグメントにおける移動ベクトル、前記ロボットの加速度及び最大速度に基づき、前記加速度セグメントの前記連通セグメントに占める割合を特定するように構成される第1特定サブモジュールと、前記ロボットの最大速度、前記連通セグメントにおける移動ベクトル、及び前記加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を特定するように構成される第2特定サブモジュールと、を含む。
本願の実施例はさらに、上記実施例の軌跡計画方法を実現するために、軌跡計画機器を提出し、図9は、本願の実施例により提供される軌跡計画機器の構成図である。
本実施例の軌跡計画機器400は、プロセッサ41、メモリ42、入出力機器43及びバス44を含む。
該プロセッサ41、メモリ42、入出力機器43はそれぞれバス44に接続され、該メモリ42にはプログラムが記憶されており、プロセッサ41は、プログラムを実行することで上記実施例に記載の軌跡計画方法を実現するために用いられる。
本実施例では、プロセッサ41は中央処理部(Central Processing Unit:CPUと略称)と呼ばれることもある。プロセッサ41は、信号処理能力を有する集積回路チップであってよい。プロセッサ41は、共通プロセッサ、デジタル信号プロセッサ(Digital Signal Processing:DSPと略称)、特定用途向け集積回路(Application Specific Integrated Circuit:ASICと略称)、フィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGAと略称)又は他のプログラマブル論理デバイス、離散ゲート又はトランジスタ論理デバイス、離散ハードウェアコンポーネントであってもよい。共通プロセッサはマイクロプロセッサであってもよく、又は該プロセッサ41は任意の一般的なプロセッサ等であってもよい。
本願の実施例はコンピュータ記憶媒体をさらに提供し、図10に示すように、コンピュータ記憶媒体500は、プログラム51を記憶するために用いられ、プログラム51がプロセッサにより実行されると、上記実施例に記載の軌跡計画方法は実現される。
本願の上記実施例に記載の軌跡計画方法は、ソフトウェア機能ユニットの形式で実現され且つ独立した製品として販売又は使用される場合、例えば、コンピュータ読み取り可能記憶媒体のような装置に記憶されてもよい。このような見解をもとに、本願の実施例の技術的解決手段は実質的に又は従来技術に寄与する部分又は該技術解決手段の全て又は一部がソフトウェア製品の形で実施することができ、該コンピュータソフトウェア製品は記憶媒体に記憶され、コンピュータ機器(パーソナルコンピュータ、サーバ、又はネットワーク機器等であってもよい)又はプロセッサ(processor)に本発明の各実施形態に記載の方法の全て又は一部のステップを実行させる複数の命令を含む。前記記憶媒体は、USBフラッシュドライブ、モバイルハードディスク、読み取り専用メモリ(Read-Only Memory:ROMと略称)、ランダムアクセスメモリ(Random Access Memory:RAMと略称)、磁気ディスク又は光ディスク等のプログラムコードを記憶可能である様々な媒体を含む。
以上は本願の実施形態に過ぎず、本願の特許範囲を限定するものではなく、本願の明細書及び図面の内容を利用してなした等価構成又は等価フロー変換、あるいは他の関連技術分野へのその直接又は間接の転用は、同様に、いずれも本願の特許保護範囲に含まれるものとする。
本願の実施例により提供される軌跡計画方法は、現在位置と目的位置との間に複数のキーポイントを設定し、複数のキーポイントを組み合せることで、ロボットの目標軌跡経路を形成するものであり、軌跡計画機器は交通情報に基づいてキーポイントを設定し、つまり、キーポイントの位置は模型の合理的な位置に設定されており、これにより、目標軌跡経路の柔軟性及び実用性が向上し、ロボットの模型におけるポイントツーポイントの経路計画を実現する。
Claims (19)
- 軌跡計画機器が実行する、軌跡計画方法であって、
模型から軌跡情報及び交通情報を取得するステップであって、前記軌跡情報はロボットの現在位置及び目的位置を含むステップと、
前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップと、
前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するステップと、
プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するステップと、を含む、軌跡計画方法。 - 前記交通情報は交通道路分布状況を含み、
前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップは、
前記交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の前記模型におけるキー座標を取得するステップと、
前記模型における前記キー座標の対応する位置を前記キーポイントとして設定するステップと、を含む
請求項1に記載の軌跡計画方法。 - 前記交通情報に基づいて前記模型に複数のキーポイントを設定するステップは、
前記交通情報に基づいて前記模型における停留許容の位置座標を取得するステップと、
前記停留許容の位置座標のうち、前記模型における前記ロボットの停留する必要がある位置座標を取得するステップと、
前記模型における前記位置座標の対応する位置を前記キーポイントとして設定するステップと、をさらに含む
請求項2に記載の軌跡計画方法。 - 前記交通情報は交通ルールを含み、
前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するステップは、
前記ロボットの現在位置と目的位置との間の2つずつのキーポイントで軌跡セグメントを構成するステップと、
前記交通ルールに合致する軌跡セグメントを前記連通セグメントとして設定するステップと、を含む
請求項2又は3に記載の軌跡計画方法。 - サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続した後に、
前記ロボットの動力学モデルを取得するステップであって、前記動力学モデルは各前記連通セグメントにおける前記ロボットの加速度及び最大速度を含むステップと、
前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得するステップと、
前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップと、をさらに含む
請求項1から4のいずれか1項に記載の軌跡計画方法。 - 前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得した後に、
前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するステップと、
前記連通セグメントにおける開始時間及び終了時間を取得するステップと、
前記連通セグメントにおける開始時間及び速度係数に基づき、第1標準時間を特定するステップと、
前記連通セグメントにおける第1標準時間、移動ベクトル、速度係数、及び加速度セグメントの前記連通セグメントに占める割合に基づき、第2標準時間を特定するステップと、をさらに含み、
前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップは、
前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップ、を含む
請求項5に記載の軌跡計画方法。 - 前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するステップは、
前記移動時間が前記開始時間と前記第1標準時間との間にある場合、前記開始時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、
前記移動時間が前記第1標準時間と前記第2標準時間との間にある場合、前記第1標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、
前記移動時間が前記第2標準時間と前記終了時間との間にある場合、前記第2標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するステップと、を含む
請求項6に記載の軌跡計画方法。 - 前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するステップは、
前記連通セグメントにおける移動ベクトル、前記ロボットの加速度及び最大速度に基づき、前記加速度セグメントの前記連通セグメントに占める割合を特定するステップと、
前記ロボットの最大速度、前記連通セグメントにおける移動ベクトル、及び前記加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を特定するステップと、を含む
請求項6又は7に記載の軌跡計画方法。 - 模型から軌跡情報及び交通情報を取得するように構成される第1取得モジュールであって、前記軌跡情報はロボットの現在位置及び目的位置を含む第1取得モジュールと、
前記交通情報に基づいて前記模型に複数のキーポイントを設定するように構成される設定モジュールと、
前記交通情報に基づいて2つずつのキーポイントの間に連通セグメントを形成するように構成される形成モジュールと、
プリセットアルゴリズムを用いて前記現在位置と前記目的位置との間の全ての連通セグメントをサーチし、サーチ結果に基づいて前記連通セグメントを前記ロボットの目標軌跡経路として接続するように構成される接続モジュールと、を含む、軌跡計画装置。 - 前記交通情報は交通道路分布状況を含み、
前記設定モジュールは、
前記交通道路分布状況に基づいて各交差点の出入口、各カーブ路の出入口、及び各道路のエッジ及び中央位置の前記模型におけるキー座標を取得するように構成される第1取得サブモジュールと、
前記模型における前記キー座標の対応する位置を前記キーポイントとして設定するように構成される第1設定サブモジュールと、を含む
請求項9に記載の装置。 - 前記設定モジュールは、
前記交通情報に基づいて前記模型における停留許容の位置座標を取得するように構成される第2取得サブモジュールと、
前記停留許容の位置座標のうち、前記模型における前記ロボットの停留する必要がある位置座標を取得するように構成される第3取得サブモジュールと、
前記模型における前記位置座標の対応する位置を前記キーポイントとして設定するように構成される第2設定サブモジュールと、をさらに含む
請求項10に記載の装置。 - 前記交通情報は交通ルールを含み、前記形成モジュールは、
前記ロボットの現在位置と目的位置との間の2つずつのキーポイントで軌跡セグメントを構成するように構成される構成サブモジュールと、
前記交通ルールに合致する軌跡セグメントを前記連通セグメントとして設定するように構成される第3設定サブモジュールと、を含む
請求項10又は11に記載の装置。 - 前記ロボットの動力学モデルを取得するように構成される第2取得モジュールであって、前記動力学モデルは各前記連通セグメントにおける前記ロボットの加速度及び最大速度を含む第2取得モジュールと、
前記目標軌跡経路の各連通セグメントにおける前記ロボットの移動時間及び移動ベクトルを取得するように構成される第3取得モジュールと、
前記移動時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するように構成される更新モジュールと、をさらに含む
請求項9から12のいずれか1項に記載の装置。 - 前記連通セグメントにおける移動ベクトル、及び加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を取得するように構成される第4取得モジュールと、
前記連通セグメントにおける開始時間及び終了時間を取得するように構成される第5取得モジュールと、
前記連通セグメントにおける開始時間及び速度係数に基づき、第1標準時間を特定するように構成される第1特定モジュールと、
前記連通セグメントにおける第1標準時間、移動ベクトル、速度係数、及び加速度セグメントの前記連通セグメントに占める割合に基づき、第2標準時間を特定するように構成される第2特定モジュールと、をさらに含み、
前記更新モジュールは、前記移動時間、第1標準時間及び第2標準時間の大きさに基づき、各前記連通セグメントにおける前記ロボットの加速度及び最大速度によって、各前記連通セグメントにおける移動ベクトルを更新するようにさらに構成される
請求項13に記載の装置。 - 前記更新モジュールは、
前記移動時間が前記開始時間と前記第1標準時間との間にある場合、前記開始時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第1更新サブモジュールと、
前記移動時間が前記第1標準時間と前記第2標準時間との間にある場合、前記第1標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第2更新サブモジュールと、
前記移動時間が前記第2標準時間と前記終了時間との間にある場合、前記第2標準時間、各前記連通セグメントにおける前記ロボットの加速度及び最大速度に基づいて、前記移動ベクトルを更新するように構成される第3更新サブモジュールと、を含む
請求項14に記載の装置。 - 第4取得モジュールは、
前記連通セグメントにおける移動ベクトル、前記ロボットの加速度及び最大速度に基づき、前記加速度セグメントの前記連通セグメントに占める割合を特定するように構成される第1特定サブモジュールと、
前記ロボットの最大速度、前記連通セグメントにおける移動ベクトル、及び前記加速度セグメントの前記連通セグメントに占める割合に基づき、前記連通セグメントにおける速度係数を特定するように構成される第2特定サブモジュールと、を含む
請求項14又は15に記載の装置。 - 互いに接続されたメモリとプロセッサとを含み、
前記メモリはプログラムを記憶するために用いられ、前記プロセッサは、前記プログラムを実行し、請求項1から8のいずれか1項に記載の軌跡計画方法を実現するために用いられる、軌跡計画機器。 - プロセッサにより実行されると、前記プロセッサに、請求項1から8のいずれか1項に記載の軌跡計画方法を実行させるプログラムを記憶したコンピュータ記憶媒体。
- 1つ又は複数の命令を含み、前記1つ又は複数の命令は、プロセッサによりロードされ、前記プロセッサに請求項1から8のいずれか1項に記載の軌跡計画方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455167.9A CN112454367B (zh) | 2020-12-10 | 2020-12-10 | 一种轨迹规划方法、装置以及计算机存储介质 |
CN202011455167.9 | 2020-12-10 | ||
PCT/CN2021/088385 WO2022121207A1 (zh) | 2020-12-10 | 2021-04-20 | 轨迹规划方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023508794A true JP2023508794A (ja) | 2023-03-06 |
Family
ID=74801500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021562392A Withdrawn JP2023508794A (ja) | 2020-12-10 | 2021-04-20 | 軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2023508794A (ja) |
KR (1) | KR20220083975A (ja) |
CN (1) | CN112454367B (ja) |
WO (1) | WO2022121207A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112454367B (zh) * | 2020-12-10 | 2022-04-26 | 北京市商汤科技开发有限公司 | 一种轨迹规划方法、装置以及计算机存储介质 |
CN115309171B (zh) * | 2022-10-12 | 2022-12-20 | 维飒科技(西安)有限公司 | 轨道机器人的行为轨迹控制方法及装置 |
CN116372927B (zh) * | 2023-04-06 | 2024-03-22 | 深圳市康士达科技有限公司 | 一种机器人示教的轨迹生成方法、装置、设备和介质 |
CN117476172B (zh) * | 2023-12-28 | 2024-05-28 | 深圳市亿莱顿科技有限公司 | 家庭健康管理方法、系统以及计算机设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5902890B2 (ja) * | 2011-05-06 | 2016-04-13 | 株式会社ゼンリン | 携帯型ナビゲーション装置 |
US8898016B2 (en) * | 2013-03-15 | 2014-11-25 | Applied Minds, Llc | Method and apparatus for two-stage planning |
EP3022617B1 (en) * | 2013-07-15 | 2017-10-04 | BAE Systems PLC | Path planning |
JP5940579B2 (ja) * | 2014-03-20 | 2016-06-29 | ヤフー株式会社 | 移動制御装置、移動制御方法及び移動制御システム |
CN104819724B (zh) * | 2015-03-02 | 2018-04-03 | 北京理工大学 | 一种基于gis的无人地面车辆自主行驶辅助系统 |
US10705528B2 (en) * | 2015-12-15 | 2020-07-07 | Qualcomm Incorporated | Autonomous visual navigation |
CN107702723B (zh) * | 2017-11-27 | 2019-11-08 | 安徽工程大学 | 一种机器人路径规划方法、存储介质及设备 |
CN108597315A (zh) * | 2018-04-11 | 2018-09-28 | 广州维脉电子科技有限公司 | 一种沙盘智能模型车辆控制装置和方法 |
CN109916422B (zh) * | 2019-03-29 | 2021-06-29 | 北京经纬恒润科技股份有限公司 | 一种全局路径规划方法及装置 |
CN110501007B (zh) * | 2019-09-06 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 一种路径规划方法、装置及终端 |
CN110646007B (zh) * | 2019-09-20 | 2021-10-01 | 中国科学技术大学 | 一种基于形式化表示的车辆驾驶方法 |
CN112454367B (zh) * | 2020-12-10 | 2022-04-26 | 北京市商汤科技开发有限公司 | 一种轨迹规划方法、装置以及计算机存储介质 |
-
2020
- 2020-12-10 CN CN202011455167.9A patent/CN112454367B/zh active Active
-
2021
- 2021-04-20 KR KR1020217035939A patent/KR20220083975A/ko unknown
- 2021-04-20 JP JP2021562392A patent/JP2023508794A/ja not_active Withdrawn
- 2021-04-20 WO PCT/CN2021/088385 patent/WO2022121207A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022121207A1 (zh) | 2022-06-16 |
CN112454367A (zh) | 2021-03-09 |
KR20220083975A (ko) | 2022-06-21 |
CN112454367B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023508794A (ja) | 軌跡計画方法及び装置、機器、記憶媒体並びにプログラム製品 | |
CN109521761B (zh) | 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统 | |
KR102099152B1 (ko) | 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘 | |
CN109521763B (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
KR102211299B1 (ko) | 곡선 투영을 가속화하기 위한 시스템 및 방법 | |
CN109949604B (zh) | 一种大型停车场调度导航方法及系统 | |
WO2020108207A1 (zh) | 一种高精度地图的构建方法及装置 | |
CN109947090A (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
JP2020132151A (ja) | 車両走行軌跡の予測方法、装置、端末、記憶媒体、及びプログラム | |
CN109489675A (zh) | 用于自动驾驶车辆的基于成本的路径规划 | |
CN110389584A (zh) | 用于评估自动驾驶车辆的轨迹候选项的方法 | |
CN110389581A (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN109491376A (zh) | 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划 | |
JP2019204509A (ja) | 移動障害物を回避する自動運転のための運転経路の決定 | |
CN114829224A (zh) | 用于感知、预测或规划的地理定位模型 | |
CN111422204B (zh) | 自动驾驶车辆通行判定方法及相关设备 | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
JP2023513425A (ja) | 車両挙動予測方法及び装置、電子機器、記憶媒体 | |
CN111158365A (zh) | 一种路径规划方法、装置、机器人及存储介质 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
JP6297482B2 (ja) | 情報処理装置 | |
CN112009487A (zh) | 确定自动驾驶车辆的速度 | |
WO2024060609A1 (zh) | 信息交互方法及装置、电子设备和计算机可读存储介质 | |
US20230018996A1 (en) | Method, device, and computer program for providing driving guide by using vehicle position information and signal light information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211020 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211020 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20230214 |